來源：AI寒武紀(jì)

AI做生物研究，準(zhǔn)確率低到不能用：Anthropic找到了解法

用AI來處理生物數(shù)據(jù)，就像開著現(xiàn)代汽車穿越一座中世紀(jì)老城。街道是按照行人走路設(shè)計(jì)的，彎彎繞繞，路標(biāo)也是給人看的，沒有高速，沒有標(biāo)準(zhǔn)接口。車再好，也跑不起來。

Anthropic剛剛發(fā)了一篇文章，核心觀點(diǎn)就一句話：生物數(shù)據(jù)基礎(chǔ)設(shè)施還沒有為AI Agent做好準(zhǔn)備，我們需要重新建設(shè)。

為什么代碼Agent跑得快，生物Agent跑不動？

做過軟件開發(fā)的人應(yīng)該有體感：現(xiàn)在的AI寫代碼已經(jīng)相當(dāng)能打，解決GitHub Issue、跑通測試用例，整個(gè)流程順暢得像開高速公路。

但生物研究不是這樣。

軟件工程有版本控制、有規(guī)范的API文檔、有包管理器，整個(gè)環(huán)境天然適合機(jī)器操作。生物數(shù)據(jù)則完全相反：數(shù)據(jù)庫五花八門，每個(gè)庫有自己的標(biāo)識符規(guī)則、自己的文件格式、自己的過濾邏輯，還有大量隱性知識藏在研究員腦子里，從來沒有被寫下來。

Andrej Karpathy最近給了一次關(guān)于AI時(shí)代軟件開發(fā)的演講，他吐槽自己用AI寫了一個(gè)小應(yīng)用，代碼部分很快搞定，但一到身份驗(yàn)證、支付接口、部署，就陷入了在各種網(wǎng)頁儀表盤里不停點(diǎn)擊的噩夢。文檔告訴他：去這個(gè)URL，找這個(gè)下拉菜單，點(diǎn)一下。他的結(jié)論是：不應(yīng)該有人需要做這些事。應(yīng)該為Agent而建。

Karpathy遭遇的這件事，生物研究者早就經(jīng)歷了很久。

病毒數(shù)據(jù)庫：一個(gè)典型的噩夢場景

生物研究里有一類非常基礎(chǔ)的工作：從數(shù)據(jù)庫里取序列數(shù)據(jù)。

NCBI Virus是病毒學(xué)家最常用的序列數(shù)據(jù)庫，收錄了來自GenBank、RefSeq以及國際INSDC生態(tài)系統(tǒng)的病毒序列記錄。疫苗設(shè)計(jì)、診斷試劑開發(fā)、蛋白質(zhì)模型訓(xùn)練數(shù)據(jù)構(gòu)建，通常都從這里開始。

問題在于，NCBI Virus的很多過濾邏輯只存在于它的網(wǎng)頁界面里。如果一個(gè)研究員想取出所有2025年發(fā)布的、含有表面糖蛋白的SARS-CoV-2序列，在網(wǎng)頁上點(diǎn)幾下就行。但如果想用程序自動完成，可能需要寫幾百行代碼，把REST接口、Datasets接口、E-utilities接口拼在一起，一頁一頁地翻取數(shù)據(jù)，下載幾百GB的內(nèi)容，再在本地做過濾，把絕大部分?jǐn)?shù)據(jù)扔掉。

在病毒學(xué)實(shí)驗(yàn)室里，如何在NCBI Virus上構(gòu)建研究數(shù)據(jù)集的操作指南，經(jīng)常以一長串復(fù)雜篩選條件的形式，在研究員之間口耳相傳。這正是Karpathy抱怨的那種工作方式。

為什么這一點(diǎn)很重要？一個(gè)現(xiàn)實(shí)中的例子。

2026年5月，剛果民主共和國暴發(fā)了由本迪布焦病毒引起的埃博拉疫情。INRB金沙薩在5月14日分析了13份血液樣本，次日確認(rèn)其中8份為陽性，疫情宣告暴發(fā)。到5月29日，世衛(wèi)組織已報(bào)告逾1000例確診和疑似病例，死亡超200人。研究人員還測序了首批近完整的疫情基因組，證實(shí)這是一次新的病毒溢出事件。

面對這批新基因組，公共衛(wèi)生官員需要回答三個(gè)緊迫問題：這次疫情的病毒與歷史上的埃博拉病毒有多大差異？現(xiàn)有診斷方法還能檢測到它嗎？現(xiàn)有療法還能保護(hù)患者嗎？

回答這三個(gè)問題，都需要把新基因組與NCBI Virus上的歷史基因組進(jìn)行比對。但整個(gè)流程的第一步，依然是手動在網(wǎng)頁界面里點(diǎn)來點(diǎn)去，手動復(fù)現(xiàn)各種復(fù)雜篩選條件，并祈禱結(jié)果是完整且正確的。

讓Agent來干：16.9%到91.3%，都不夠用

那么，當(dāng)前最好的AI Agent在這件事上到底表現(xiàn)如何。

他們構(gòu)建了一個(gè)名為VirBench的基準(zhǔn)測試，包含120個(gè)真實(shí)的病毒序列查詢?nèi)蝿?wù)，覆蓋40種病原體，每道題都有人工驗(yàn)證過的正確答案。這些查詢反映了病毒監(jiān)測、診斷試劑設(shè)計(jì)和蛋白質(zhì)模型訓(xùn)練數(shù)據(jù)構(gòu)建中真實(shí)存在的任務(wù)。

參與測試的模型包括Claude、Biomni、Edison Analysis和GPT系列。

一個(gè)典型的查詢是這樣的：從NCBI提取TaxID為3052462（扎伊爾埃博拉病毒）的病毒序列，條件是宿主為人類、樣本采集地為非洲、采集時(shí)間在2014年1月1日到2014年6月20日之間、最小序列長度15200個(gè)堿基、最多1900個(gè)模糊字符（N），并排除實(shí)驗(yàn)室傳代樣本。

測試結(jié)果：當(dāng)Agent完全靠自己解決這些查詢時(shí)，Claude Sonnet 4、Claude Opus 4.7、Biomni、Edison Analysis、GPT-5.2-pro和GPT-5.5的平均準(zhǔn)確率在16.9%到91.3%之間。

這個(gè)范圍聽起來有高有低，但關(guān)鍵在于：在生物數(shù)據(jù)構(gòu)建任務(wù)里，標(biāo)準(zhǔn)實(shí)際上是100%。一條序列的遺漏或錯(cuò)誤，可能會讓診斷試劑的覆蓋范圍評估失真，也可能讓疫情暴發(fā)的推算起點(diǎn)提前或推后好幾周。

更麻煩的是，同一個(gè)模型、同一個(gè)問題，每次回答都不一樣。以上面那道埃博拉病毒查詢?yōu)槔琒onnet 4第一次返回了106條序列（正確答案是266條），第二次返回15條，第三次返回5條。提示詞完全相同。

錯(cuò)誤的序列數(shù)據(jù)，能把疫情起源推到1922年

這種不穩(wěn)定性的后果，遠(yuǎn)不止數(shù)字不對那么簡單。

用Agent取回的序列分別構(gòu)建系統(tǒng)發(fā)育樹，這是病毒學(xué)中用來重建疫情中各病毒樣本親緣關(guān)系的標(biāo)準(zhǔn)分析方法。其中一個(gè)關(guān)鍵指標(biāo)是最近共同祖先時(shí)間（TMRCA），也就是推算這次疫情的病毒起源于什么時(shí)候，這直接影響到對疫情發(fā)生時(shí)間和地點(diǎn)的判斷。

用人工在NCBI網(wǎng)頁上手動檢索的序列集構(gòu)建的系統(tǒng)發(fā)育樹，給出的TMRCA是2014年1月，與此前關(guān)于2014年埃博拉疫情的研究結(jié)果一致（95%最高后驗(yàn)密度區(qū)間為2014年1月27日至3月14日）。

而Sonnet 4三次取回的序列集里，有兩次構(gòu)建出來的系統(tǒng)發(fā)育樹明顯殘缺。其中一次算出來的TMRCA是1922年。剩下的數(shù)據(jù)集表面上看起來沒什么問題，但缺失了來自幾內(nèi)亞的序列，導(dǎo)致TMRCA被推后到了2014年4月，疫情推算的起始時(shí)間因此發(fā)生了偏移。

在治療方案分析上，類似的問題同樣存在。研究團(tuán)隊(duì)還檢索了埃博拉病毒糖蛋白序列，用來分析maftivimab和MBP134這兩種抗體藥物（均為世衛(wèi)組織優(yōu)先推薦的扎伊爾埃博拉病毒治療候選藥物）的靶點(diǎn)表位在相關(guān)序列中是否出現(xiàn)過突變。這類分析幫助研究人員判斷隨著病毒演化，現(xiàn)有療法是否還能保護(hù)患者。

Sonnet 4的第一次運(yùn)行接近了人工檢索的結(jié)果，但第二次遺漏了大多數(shù)突變位點(diǎn)，第三次又突出顯示了一組不同的位點(diǎn)，三次給出了三種不同的結(jié)論。

兩組分析指向了同一個(gè)根本原因：不是模型不聰明，而是它們?nèi)鄙僖粋€(gè)可靠的、確定性的方式來訪問數(shù)據(jù)庫，也無法驗(yàn)證結(jié)果并保證可復(fù)現(xiàn)。答案看起來合理，實(shí)際上可能是錯(cuò)的，而且每次都不一樣，這對科學(xué)工作流而言尤其危險(xiǎn)，因?yàn)樾蛄袡z索通常是一條長長的下游分析鏈條的起點(diǎn)。

失誤的具體模式也很清晰：大型數(shù)據(jù)集（流感A、HIV-1、SARS-CoV-2等序列數(shù)量多的病毒）更容易出問題，因?yàn)榉撊?shù)據(jù)時(shí)停在了中途，或者在本地過濾時(shí)用錯(cuò)了條件；元數(shù)據(jù)字段含義依賴上下文和領(lǐng)域慣例時(shí)，Agent也容易出錯(cuò)；同時(shí)疊加三四個(gè)以上的過濾條件，準(zhǔn)確率就明顯下滑。

加一層確定性工具，準(zhǔn)確率直奔100%

解法是什么？Anthtropic的團(tuán)隊(duì)和NCBI的研究人員合作，開發(fā)了一個(gè)叫做gget virus的工具。

gget virus的核心邏輯是：把NCBI Virus網(wǎng)頁界面上那套復(fù)雜的檢索行為，翻譯成一個(gè)準(zhǔn)確、可復(fù)現(xiàn)的程序接口。

這件事做起來比想象中難。NCBI Virus是架在多個(gè)底層資源上的入口，這些資源由美國、歐洲、日本協(xié)同維護(hù)的國際序列數(shù)據(jù)庫組成。一個(gè)看似簡單的查詢，往往需要從好幾個(gè)地方拼湊信息。

gget virus因此要協(xié)調(diào)REST、Datasets和E-utilities三套API，判斷哪些過濾條件可以直接通過這些API施加，哪些必須在本地處理，因?yàn)榫W(wǎng)頁界面暴露的某些過濾行為在任何單一程序接口上都找不到對應(yīng)。它還要處理分批次拉取大型結(jié)果集的問題，以確保數(shù)據(jù)量龐大的病毒序列能被完整取回而不是任意截?cái)唷．?dāng)某項(xiàng)過濾條件依賴存儲在獨(dú)立數(shù)據(jù)庫中的額外信息時(shí)，gget virus會先取回那些記錄，用它們完成過濾，并在最終輸出中保留相關(guān)的GenBank信息。最后，它返回人機(jī)均可讀的標(biāo)準(zhǔn)化輸出，并附上詳細(xì)日志，記錄最終結(jié)果是如何產(chǎn)生的。

給Agent接上gget virus之后，所有模型的準(zhǔn)確率都升至90%以上，其中GPT-5.5達(dá)到了99.7%。同一個(gè)問題多次運(yùn)行的結(jié)果差異基本消失，各模型之間的性能差距也大幅收窄。

這最后一點(diǎn)值得多說兩句。加了確定性檢索層之后，選哪個(gè)模型變得不那么重要了。這意味著，可靠的數(shù)據(jù)集構(gòu)建不應(yīng)該依賴于你能否拿到最新最貴的模型，也不應(yīng)該依賴于你對哪個(gè)模型最擅長處理哪個(gè)數(shù)據(jù)庫有多深的了解。反而是更便宜的模型配上合適的工具，就能既降低結(jié)果波動，又讓更多人用得起。

更大的問題：基礎(chǔ)設(shè)施要為Agent而建

gget virus是一個(gè)具體的解決方案，但它指向的是一個(gè)更普遍的問題。

Anthtropic的判斷是：生物Agent的瓶頸，不只是模型的推理能力，而是缺乏覆蓋面廣的、確定性的生物數(shù)據(jù)執(zhí)行層。科學(xué)家可以表達(dá)清楚自己的意圖，比如找出所有含有某個(gè)結(jié)構(gòu)域的人類激酶并提取它們的結(jié)構(gòu)，但Agent往往缺少一個(gè)可靠的途徑去訪問存放這些信息的數(shù)據(jù)庫。

這也不是生物領(lǐng)域獨(dú)有的問題。凡是把Agent插入一個(gè)為人類設(shè)計(jì)的環(huán)境里，都會遇到類似的摩擦。目前已有一些工作嘗試在這一方向上推進(jìn)，包括ToolUniverse、Edison Scientific的Robin、Biomni以及相關(guān)的生物醫(yī)學(xué)Agent系統(tǒng)。這些系統(tǒng)通常依賴模型適配層，把Agent和生物數(shù)據(jù)源連接起來。

但有一個(gè)更長遠(yuǎn)的問題值得想清楚。如果把模型的能力曲線往前外推，很容易想象出這樣一個(gè)未來：Agent變得足夠強(qiáng)，能自己搞定混亂的數(shù)據(jù)庫門戶，能自己對齊標(biāo)識符，能自己處理分頁，能自己從錯(cuò)誤中恢復(fù)。到那時(shí)，gget virus這類工具或許就不再必要了。

然而，即便Agent最終能做到，也不意味著每一次任務(wù)都應(yīng)該讓Agent臨時(shí)發(fā)揮著做，并且每次都要重新摸索一遍。能夠硬闖一個(gè)混亂的生物信息學(xué)工作流的模型，對于日常科學(xué)任務(wù)來說，仍然可能太貴、太慢、太難審計(jì)、太難信任。就算Agent將來讓今天的適配層變得多余，對生物數(shù)據(jù)庫的設(shè)計(jì)者而言，這個(gè)教訓(xùn)依然成立：在考慮用戶的時(shí)候，要把Agent納入視野，要為規(guī)模化使用而建。

現(xiàn)在，用Agent做生物研究，模型推理不是最大的障礙。基礎(chǔ)設(shè)施才是。

參考：

https://www.anthropic.com/research/agents-in-biology

閱讀最新前沿科技趨勢報(bào)告，請?jiān)L問21世紀(jì)關(guān)鍵技術(shù)研究院的“未來知識庫”

未來知識庫是 “21世紀(jì)關(guān)鍵技術(shù)研究院”建 立的在線知識庫平臺，收藏的資料范圍包括人工智能、腦科學(xué)、互聯(lián)網(wǎng)、超級智能，數(shù)智大腦、能源、軍事、經(jīng)濟(jì)、人類風(fēng)險(xiǎn)等等領(lǐng)域的前沿進(jìn)展與未來趨勢。目前擁有超過8000篇重要資料。每周更新不少于100篇世界范圍最新研究資料。 歡迎掃描二維碼或訪問https://wx.zsxq.com/group/454854145828進(jìn)入。

截止到2月28日 ”未來知識庫”精選的百部前沿科技趨勢報(bào)告

（加入未來知識庫，全部資料免費(fèi)閱讀和下載）